间隔性内EEG不对称性侧面化叶

科学领域:

• 神经学 神经学
• 发病学 (Epileptology) 是一个专业的学科.
• 神经生理学 神经生理学

背景情况:

• 耐药叶 (TLE) 手术依赖于确定发作发作区 (SOZ),通常需要侵入性内EEG (iEEG) 监测.
• 目前的iEEG监测捕获了广泛的间接触 (间发作) 数据,在手术规划中使用有限,尽管有可能预测SOZ横向性.
• 术后发作复发仍然是一个挑战,突出需要改进手术前局部化策略.

研究的目的:

• 开发和验证一个模型,使用TLE患者的间接iEEG数据预测SOZ横向性.
• 评估预测的SOZ横向性与手术干预的一致性是否与手术结果相关.

主要方法:

• 追溯队列研究,单中心开发和双中心验证 (2015-2022年).
• 逻辑回归模型是使用间接EEG特征 (峰值率) 来预测SOZ横向性 (左对右) 开发的.
• 模型预测的横向性对应与手术侧面的比较,对手术结果好与差的患者进行比较.

主要成果:

• 该模型显示了SOZ横向性的预测能力,在内部验证中,与右侧 (AUC 0.68) 相比,左侧发病 (AUC 0.83) 的准确性更高.
• 外部验证实现了平衡的准确度,左侧的SOZ预测为79.3%,右侧的SOZ预测为78.9%.
• 预测的SOZ横向性和手术侧面之间的更高一致性在手术结果有利的患者中观察到.

结论:

• 间接iEEG数据包含有价值的信息,用于预测TLE中的SOZ横向性.
• 使用尖峰率的模型可以有效地识别左侧的SOZ并预测外科手术结果.
• 这种方法提供了一种有前途的非侵入性方法,可以改善手术前的规划,并有可能提高TLE的手术成功率.